[发明专利]一种图像重采样操作插值类型识别方法

说明书

一种图像重采样操作插值类型识别方法：将图像重采样操作表示模型；对被重采样之后的图像做初始的盲反卷积操作，得到初始核；求出不同大小的初始核，得到一组多尺度，不同大小的卷积核集合；再利用卷积核集合中的一个卷积核和卷积核所对应的原始图像做卷积，与被重采样之后的图像进行比较，其中，质量差异最小的为最优核即是系统输出；将最优核H^*展开成列向量；将所述的列向量放入分类器中训练模型，得到分类模型；对待测图像重复上述第1步～第5步的过程，将得到的列向量放到第6步得到的分类模型中进行测试，得到最终检测结果。本发明的检测特征维度低，能够有效减少用于支持向量机(SVM)分类器的训练时间。且抗压缩的能力强，且具有优秀的检测准确率。

技术领域

本发明涉及一种图像篡改检测方法。特别是涉及一种图像重采样操作插值类型识别方法。

背景技术

随着低成本和高分辨率数字摄像头和复杂的编辑软件的出现，数字图像可以很容易地操纵和改变。伪造的数字图像往往难以从真实的照片中区别出来。因此，照片不再能作为事件真实性的记录。特别是在司法系统和新闻媒体这些领域，图像信息的真实性扮演着越发重要的角色。为了确保数字信息的真实性和完整性，数字图像被动取证技术应运而生。有别于以数字签名和数字水印为代表的主动取证技术，被动取证技术是仅根据获取的数字图像，寻找是否存在篡改后可能留下的各种痕迹，从而区分出自然图像与被篡改图像。

图像重采样操作，即通过像素之间的插值运算得到不同尺度大小的图像，一直是图像通用处理或者编辑篡改过程中常见的一种基本操作模式。通过检测重采样可以有效地辨别图像的真实性和处理历程。当两幅图像拼接在一起时，为了产生高质量连续的篡改图片，需要缩放、旋转等几何变换。通常，几何变换需要重采样和插值步骤。因此，重采样是图像篡改中最常见的操作，也成为篡改检测重点关注的操作之一。我们可以通过检测重采样留下的痕迹识别图像或者图像中的一部分是否经过改动。

目前已有许多学者围绕数字图像重采样操作的盲检测展开了相关研究。Popescu等人指出了图像经过重采样操作后，虽然视觉上差异并不明显，但是原始图像的统计分布被改变，会引入新的统计相关性。作者构建概率相关性图(probability-map)，实现对重采样操作的盲检测。Mahdian等人引入基于二阶导数协方差的特征，有效的反映信号的周期相关性。一般认为重采样操作会改变原始图像的纹理细节，基于这一思路，Hou等人将重采样的检测描述为一个纹理分类问题，利用先进的分类算法实现图像重采样检测。Matthias等人在概率相关性图(probability-map)的基础上，描述了重采样参数对周期性效应的影响，解析得到预期的重采样尖峰，取得良好的检测结果。Kirchne等人分析了在双JPEG压缩的情况下，如何检测重采样操作。作者公式化表述了JPEG压缩仿射变换如何影响重采样检测，提出一种更适应于双JPEG压缩下的检测方法。Feng等人提出利用归一化的能量密度检测重采样痕迹。在JPEG Q＝55的情况下，检测准确率依然能达到70％以上。但该方法依然是基于像素相关性的检测方法，文中并未提到对于最近邻插值等非周期性插值的检测效果。

虽然，对于重采样的检测已经进行多年，但依然存在诸多问题，例如抗JPEG压缩能力差、对非周期性插值难以检测、重采样操作插值类型识别难以检测等。当两幅图像拼接在一起时，为了产生高质量连续的篡改图片，不同的部分可能会经历不同类型的重采样插值操作。因此，提出一种图像重采样操作插值类型识别方法十分必要。

发明内容

本发明所要解决的技术问题是，提供一种检测特征维度低，抗压缩能力强，且具有优秀的检测准确率的图像重采样操作插值类型识别方法。

本发明所采用的技术方案是：一种图像重采样操作插值类型识别方法，包括如下步骤：

1)将图像重采样操作表示为如下模型：

R是被重采样之后的图像，I是原始图像，H是抽象的重采样操作，N是误差；